一天燒207噸煤的AI，不如消耗三根香蕉的人腦算力高？

AI的電力黑洞

這兩年，AI公司正在進入一個越來越“耗電”的時代。

為了訓(xùn)練規(guī)模越來越大的模型，各大科技公司不斷擴建數(shù)據(jù)中心。成千上萬臺服務(wù)器晝夜運轉(zhuǎn)，電力消耗動輒以兆瓦計算。為了保證未來的電力供應(yīng)，一些公司甚至開始直接投資電廠，或者與能源企業(yè)合作建設(shè)專用電力設(shè)施。

位于得克薩斯州西部的 GW Ranch 數(shù)據(jù)中心項目渲染圖，

圖中展示了現(xiàn)場安裝的天然氣發(fā)電設(shè)施和太陽能發(fā)電設(shè)施。

圖源：Pacifico Energy

算力越強，能源消耗也越大。

龐大的數(shù)據(jù)中心不僅消耗大量電力，還需要大量水資源進行冷卻，對環(huán)境和氣候都帶來壓力。

但有趣的是，人類其實早就擁有一臺遠比現(xiàn)有AI更高效的“計算機”。它不僅隨身攜帶，而且?guī)缀趺總€人都有——那就是我們的大腦。

只要20瓦的大腦

美國國家標(biāo)準(zhǔn)與技術(shù)研究院（National Institute of Standards and Technology）的研究科學(xué)家阿德瓦伊特·馬達范（Advait Madhavan）在2023年寫道：“人類大腦是一種令人驚嘆的高能效設(shè)備。從計算能力來看，它每秒可以完成相當(dāng)于1 exaflop 的運算——也就是10的18次方次數(shù)學(xué)計算——而只需要20瓦的功率?！?/p>

如果從人體結(jié)構(gòu)來看，大腦確實算得上一個“耗能器官”。按重量計算，它只占人體體重的大約2%，卻消耗了人體約20%的基礎(chǔ)代謝能量。

但從絕對數(shù)值來看，這其實并不算多。假設(shè)一個成年人每天攝入2700千卡熱量，其中大約340千卡用于維持大腦運轉(zhuǎn)。

換算成電能，大約是0.4千瓦時——只夠讓一只傳統(tǒng)的60瓦白熾燈亮不到7個小時。

甚至還不如吃三根香蕉獲得的能量。

換句話說，你每天只需要“三根香蕉級別”的能量，就能驅(qū)動這臺極其復(fù)雜的“生物計算機”。

要20兆瓦的超級計算機

如果把人腦和現(xiàn)代超級計算機進行對比，這種差距就更加明顯。

世界上最強大的超級計算機之一——Frontier supercomputer——最近也實現(xiàn)了exaflop級計算能力。但要完成同樣的運算，它需要大約20兆瓦的功率，比人腦高出整整一百萬倍。

圖源：wikipedia

如果換算成能源消耗，讓這臺超級計算機運行一天，大約需要燃燒207噸煤，同時產(chǎn)生約340噸二氧化碳。

如果不用煤，也可以燃燒約12萬升液態(tài)石油，排放量大約是前者的一半；或者燃燒8400萬升天然氣，產(chǎn)生約74噸二氧化碳。

顯然，這樣的能源消耗不可能無限制地持續(xù)下去。

但另一方面，計算機和人工智能——以及它們不斷增長的算力需求——在短時間內(nèi)也不會消失。

于是，一個問題開始變得越來越重要：既然大腦能用這么少的能量完成復(fù)雜計算，人類能不能從大腦身上學(xué)到一些東西？

大腦為什么這么高效？

有一個流傳很廣的說法認為，人類只使用了10%的大腦。

這個說法其實并不正確。

現(xiàn)實情況是，大多數(shù)時候我們都會使用大腦的大部分區(qū)域，而在某些情況下，幾乎整個大腦都會參與活動。

圖源：remapstudio

不過，這個說法確實暗示了一點：大腦并不會在同一時間動用所有神經(jīng)元。

2024年，Chang Xu（悉尼大學(xué)人工智能中心副教授）解釋說，大腦大約擁有1000億個神經(jīng)元，但它會根據(jù)任務(wù)不同，從不同腦區(qū)選擇性地調(diào)用這些神經(jīng)元。

只需要二十多瓦的功率，大腦就能驅(qū)動整個身體運作。

它可以在腦海中形成內(nèi)心獨白，也可以憑空想象畫面；當(dāng)有人向你扔來一個球時，大腦能夠迅速識別球的形狀，計算運動軌跡，預(yù)測落點，并把你的手移動到正確位置完成接球——這一切都發(fā)生在幾毫秒之內(nèi)。

同時計算的力量

科學(xué)家一直試圖在人工系統(tǒng)中復(fù)制這種效率，但始終非常困難，其中一個原因在于計算方式的不同。

2018年，Think Tank: Forty Scientists Explore the Biological Roots of Human Experience一書中，Liqun Luo（斯坦福大學(xué)生物學(xué)教授）指出，計算機和大腦最重要的差別之一在于信息處理方式。

傳統(tǒng)計算機通常按順序一步一步執(zhí)行任務(wù)。工程師編寫程序時，會設(shè)計一條連續(xù)的指令流程。

在這種結(jié)構(gòu)中，每一步都必須非常精確，因為一旦出現(xiàn)錯誤，就會在后續(xù)步驟中不斷累積并放大。

雖然大腦有時也會使用類似的順序步驟，但它還有另一種能力——大規(guī)模并行處理。

圖源：iflscience

以接球為例。

如果由計算機來完成，它需要先識別球，再測量運動，再計算軌跡，再計算落點，最后才能控制你的手移動到指定位置。

而人腦幾乎是在同一時間完成這些步驟。

來自視網(wǎng)膜的信號經(jīng)過兩三次突觸連接后，關(guān)于球的位置、方向和速度的信息就已經(jīng)被提取出來，并以并行方式傳送到大腦。

與此同時，大腦的運動皮層會同時向腿部、軀干、手臂和手腕發(fā)出指令，讓身體在同一時間調(diào)整到合適位置，從而接住飛來的球。

模仿大腦計算

正因為如此，越來越多計算機工程師開始嘗試讓計算機模仿大腦。

2024年，Suin Yi（德克薩斯農(nóng)工大學(xué)工程學(xué)院電氣與計算機工程助理教授）指出，傳統(tǒng)AI模型主要依賴一種叫做反向傳播的訓(xùn)練方法，但這種方法在生物學(xué)上并不符合真實大腦的學(xué)習(xí)機制。

因此，如果想打造更接近人腦的計算機，就需要重新設(shè)計算法和網(wǎng)絡(luò)結(jié)構(gòu)。

例如，薩里大學(xué)的研究人員正在研究一種名為Topographical Sparse Mapping的技術(shù)，讓神經(jīng)元只與附近節(jié)點連接，從而顯著降低能耗。

另一種改進方法Enhanced Topographical Sparse Mapping還能進一步刪除不必要的連接，就像人類大腦在學(xué)習(xí)過程中會逐漸精簡神經(jīng)連接一樣。

去年，莫森·卡梅利安·拉德（Mohsen Kamelian Rad）表示，當(dāng)模仿大腦的拓撲結(jié)構(gòu)時，AI系統(tǒng)可以學(xué)習(xí)得更快，同時消耗更少能量。

下一代計算機

與此同時，悉尼大學(xué)和布法羅大學(xué)的研究團隊也在開發(fā)類似的類腦神經(jīng)模型。

他們希望的不只是更節(jié)能的計算機，還包括更靈活的系統(tǒng)——能夠利用有限甚至模糊的數(shù)據(jù)進行推理，并以非線性的方式處理問題。

正如阿德瓦伊特·馬達范所說，下一代計算機可能會與今天的計算機完全不同。隨著人類收集的數(shù)據(jù)越來越多，計算系統(tǒng)的需求也在改變。

而答案，也許早就寫在我們自己的大腦里。

讓我們說：謝謝大腦！

大腦由數(shù)十億的神經(jīng)元構(gòu)成，它控制著我們的思想、動作、行為和情緒，是我們意識的所在地，一直以來，科學(xué)家在不斷探索大腦是如何運作的。這本全面、通俗易懂且插圖豐富的書是對人體中最復(fù)雜器官的一次引人入勝的探索。

本書結(jié)合了最新的圖像技術(shù)，非常具有趣味性地探討了諸如我們?nèi)绾胃兄澜纾覀內(nèi)绾萎a(chǎn)生記憶，我們的情緒由誰掌控等問題。通過本書，讀者可以了解自己，了解大腦。本書適合對大腦及生命科學(xué)感興趣的讀者。